學習是轉換職場的必備能力|數位時代 BusinessNext

Profile
現職：聯發科技人力資源處招募副理
經歷：惠普（HP）國際採購處採購經理
學歷：國立台灣大學財務金融系畢業

給科技人的一句話：挫敗是一輩子最大的禮物

台大財務金融系畢業的曾雅萍，原在惠普（ＨＰ）電腦國際採購處工作，八年後，以採購經理轉彎到聯發科擔任人力資源招募副理。跑道徹底轉換，但是聯發科董事長蔡明介在面試她時，卻不因她完全沒經驗而拒用她，是什麼道理？

蔡明介說過：「不要規劃，只要adaptive（適應）！」身處充滿變化的高科技環境，蔡明介認為只要對新科技充滿好奇，擁有適應力，永保彈性，就是人才。同時聯發科的用人哲學強調專職技術（domain knowledge）、抽象能力（soft skill）和人格特質（personality）三大面向，只要具有團隊合作、擅於溝通等抽象能力和誠信正直、不怕挑戰的人格特質，專職技術其實隨時都可補齊。

講話清楚、簡報能力很強的曾雅萍，演講一開始就帶給現場聽眾一個當頭棒喝：現在企業只願意雇用一半的員工，給付員工兩倍的薪水，但要求員工三倍的產能。「一二三」原則，充分顯示出目前職場的辛苦，更點出「誰是那些被雇用的二分之一」憂慮。

從公司的核心工作團隊、聘僱人員到彈性運用勞工，現代人的職涯轉換早已成為必然，有什麼是必備的能力，才能在不斷變動的時代，持續成為永遠被雇用的二分之一？在聯發科已經任職兩年人力資源的曾雅萍，當然是有答案的。

面對一批批到聯發科求職或有心轉換職場的人，曾雅萍表示，保持彈性和適應力、與全球人力接軌的團隊合作精神、向上／向下管理溝通的能力、解決問題、持續創新等，都是「不敗科技人」最重要的特質，擁有這些特質，就是那二分之一的人力。

她同時特別提出，「持續學習的能力絕對是轉換職場的必備能力。」而蘋果（Apple）電腦創始人賈伯斯（Steve Jobs）在史丹佛大學畢業典禮演講的「求知若飢、虛心若愚」（Stay hunger, Stay foolish.），更是曾雅萍極力推薦給科技人的名言。

雖然是一場「不敗科技人」的演講，曾雅萍卻說二十五到四十歲這關鍵的十五年職涯，「科技人其實應該求敗，挫敗是一輩子最大的禮物，」唯有從敗中才能找到未來的勝利之路，再一次她以賈伯斯為例，以他被趕出蘋果電腦的大挫敗來鼓勵職場工作者。

因為擔任人力資源已有一段時日，曾雅萍認為二十五歲到三十歲的工作者，靠的是勞力和腦力，這個階段一定要廣泛學習；三十歲到三十五歲是講求專業的時期，這個時期講求工作上的成就，要懂得時間管理；三十五歲到四十歲就要培養自己的眼光，要具有充沛的資源整合能力，當聚集足夠人脈、錢脈時，就有了自我創業的能量。

曾雅萍同時以「ＩＣ設計一代拳王」的曲線圖來提醒工作者，在第一個曲線還沒走完時，就應該要想到下一個（產品、職涯）。第二個曲線不見得一定要和第一曲線同一領域，「問題是，我們是否能在最成功的時刻看到危機，進而勇敢追求另一個潛在的自我？」

她以自己決定轉業為例，中間轉折的一年時光裡，十分沒有安全感，但是「相信自己」的堅持讓她繼續走下去。她最後引用馬克吐溫（Mark Twain）的名言，「若想要真正成長，那就要挑戰能力的極限，也就是暫時地失去安全感所以當你不能確定你自己在做什麼時，起碼要知道，你正在成長。」獻給所有考慮轉彎的職涯工作者。（撰文∥龐文真）

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。